بهبود تشخيص سرطان سينه با استفاده از شبكه عصبي پيچشي كوانتومي

Improving breast cancer diagnosis using quantum convolutional neural network

طبق گزارش سازمان بهداشت جهاني (WHO)، سرطان سينه، هرساله، 1/2 ميليون زن را تحت تاثير قرار مي دهد. تشخيص زودهنگام اين بيماري مي تواند خطر مرگ ناشي از سرطان سينه را كاهش دهد. علاوه بر اين، از خدمات تحت وب مي توان براي نظارت بر بيماران، افراد مسن، و افراد داراي معلوليت در روستاهاي دورافتاده در بسياري از كشورها استفاده كرد، در اين مناطق، زنان مبتلا به سرطان سينه يا تشخيص داده نمي‌شوند، و يا دير تشخيص داده مي شوند. ايده اين مطالعه بهبود تشخيص سريع و دقيق اين بيماري بر اساس روش هاي يادگيري عميق با استفاده از پيكسل هاي خام تصاوير ماموگرافي سينه مي باشد. طبقه بندي تصاوير پزشكي هم براي وظايف بينايي كامپيوتر و هم براي مراقبت هاي باليني بسيار مهم است. شبكه‌هاي عصبي عميق (DNN) و شبكه‌هاي عصبي پيچشي كوانتومي (QCNN) تكنيك‌هاي در حال ظهور در يادگيري ماشين هستند كه كارايي خود را براي كاربردهاي طبقه‌بندي مختلف نشان داده‌اند. ايده ارائه شده اين مقاله، طراحي يك سيستم تشخيص سرطان با استفاده از يك معماري مبتني بر شبكه‌هاي عصبي پيچشي كوانتومي بر اساس مدل شبكه عصبي پيچشي (CNN) و مدل از پيش آموزش ديده (101 Res Net) براي تقويت طبقه‌بندي تصاوير ماموگرافي سينه جهت تشخيص توده سرطاني در مجموعه داده پزشكي (CBIS-DDSM)تحت وب است.